Validation JSON

Pourquoi les LLMs produisent du JSON cassé

Les LLMs sont des générateurs de texte probabilistes. Même quand on leur demande de produire du JSON, ils génèrent occasionnellement :

• Du JSON enveloppé dans des balises markdown (```json ... ```)
• Du texte explicatif avant ou après le JSON
• Des virgules en trop dans les objets ou tableaux
• Des accolades ou crochets fermants manquants
• Des guillemets simples au lieu de doubles
• Des réponses tronquées en milieu d'objet

Sans couche de réparation, n'importe lequel de ces échecs fait planter votre pipeline.

Le pipeline en trois étapes

Étape 1 — Réparation structurelle

Avant la validation, la sortie brute du LLM passe par un pipeline de réparation :

1. Suppression des balises markdown — retire ```json, ```, et variantes similaires
2. Suppression du texte précédent — retire tout texte avant le premier { ou [
3. Suppression du texte suivant — retire tout texte après le dernier } ou ]
4. jsonrepair — corrige les virgules en trop, crochets manquants, guillemets simples, caractères non échappés, et plus de 100 autres patterns courants

Étape 2 — Validation Zod

La chaîne réparée est parsée et validée contre le schéma Zod JSON Resume v1. Si elle passe, le résultat est retourné immédiatement.

Étape 3 — Retry auto-correcteur

Si la validation échoue, l'erreur Zod spécifique est formatée en prompt de correction et renvoyée au LLM :

CORRECTION REQUISE (Tentative 1) :
Validation échouée :
- "work.0.startDate" : Chaîne attendue, nombre reçu
- "basics.email" : Email invalide

Retournez UNIQUEMENT le JSON corrigé. Arrêtez immédiatement après l'accolade fermante.

Le LLM est invité à corriger exactement les champs qui ont échoué. Cette boucle s'exécute jusqu'à maxRetries fois (défaut : 3).

Utiliser le schéma Zod directement

import { JsonResumeSchema } from '@edwinfom/resume-intel'
 
// Valider vos propres données
const result = JsonResumeSchema.safeParse(myData)
 
if (!result.success) {
  console.error(result.error.issues)
}

Déduplication

Après l'extraction, les champs tableau sont dédupliqués par clé composite pour supprimer les entrées qui apparaissent plusieurs fois :

Fiabilité

En tests de production sur des CVs natifs et scannés :

• Étape 1 seule résout ~70% des sorties malformées
• Étapes 1 + 2 résout ~85%
• Étapes 1 + 2 + 3 (1 retry) résout ~97%
• Étapes 1 + 2 + 3 (3 retries) résout ~99%+